Text-zu-Bild-Generatoren wie DALL-E 2. Einsatz, Risiken und Systemgrenzen von "kreativer" künstlicher Intelligenz [German]

By Alexander Scharff

Studienarbeit aus dem Jahr 2022 im Fachbereich Informatik - K?nstliche Intelligenz, Note: 1,0, FOM Essen, Hochschule f?r Oekonomie & Management gemeinn?tzige GmbH, Hochschulleitung Essen fr?her Fachhochschule, Veranstaltung: E-Business, Sprache: Deutsch, Abstract: In dieser Hausarbeit wird die Frage erl?utert, welche Faktoren f?r den Erfolg und die Qualit?t eines Text-zu-Bild-Generators verantwortlich sind. Welche technischen Voraussetzungen muss ein neurales Modell erf?llen, wie ist der Stand der aktuellen Entwicklung und wo liegen die Grenzen? Zur Beantwortung dieser Fragestellung wird im Rahmen der Arbeit eine Literaturrecherche herangezogen. Au erdem wurde im Juni 2022 durch eine Einladung ein Zugang zum modernen Text-zu-Bild-Generator DALL-E 2 von Open AI erlangt, um eine stichprobenhafte Evaluation der Outputs zu erm?glichen. Mithilfe der Literaturrecherche sowie Stichproben innerhalb von aktuellen Bildgeneratoren sollen folgende Hypothesen untersucht werden: H1: Aktuelle Text-zu-Bild-Generatoren sind in der Lage, Bilder in einer Qualit?t zu generieren, wie Menschen es in der Fotografie und der Bildkunst k?nnen. H2: Text-zu-Bild-Generatoren sind durch ihren Trainingsdatensatz begrenzt und k?nnen keine Werke erstellen, f?r die sie nicht mit gen?gend Referenzen trainiert wurden. Menschen haben ein starkes visuelles Vorstellungsverm?gen. Wenn Menschen ?ber sensorische Charakteristiken nachdenken, vermitteln sie sie selbst ?ber Bilder, die sie sich in ihrem Bewusstsein vorstellen. Dieses Vorstellungsverm?gen spielt eine wichtige Rolle dabei, Erinnerungen zu verarbeiten und Zusammenh?nge herzustellen. Bildverarbeitungstechnologien, die in Computerspielen oder Anwendungen wie Photoshop eingesetzt werden, haben in den letzten Jahren stark von der Maschine-Learning-Technologie profitiert. Einer der neuen Felder ist die Synthese von Bildmaterial durch Text-zu-Bild-Generatoren. Die Grundlagen hierf?r legten Godfellow et al. 2014, indem sie neuralen Netzwerken beibrac

• Format: Paperback
• Language: German
• ISBN: 3346752089
• ISBN13: 9783346752086
• Release Date: October 2022
• Publisher: Grin Verlag
• Length: 38 Pages
• Weight: 0.14 lbs.
• Dimensions: 0.1" x 5.8" x 8.3"